Performance of Black and Indigenous applicants in a medical school admissions process
Notice bibliographique
Résumé
Background: Diversity in medical schools has lagged behind Canada’s growing multicultural population. Dalhousie medical school allows Black and Indigenous applicants to self-identify. We examined how these applicants performed and progressed through the admissions process compared to Other group (applicants who did not self-identify). Methods: Retrospective analysis of four application cycles (2015-2019) was conducted, comparing demographic data, scores for application components (Computer-Based Assessment for Sampling Personal Characteristics (CASPer), MCAT, GPA, supplemental, discretionary, Multiple Mini Interview (MMI)), and final application status between the three groups. Results: Of 1322 applicants, 104 identified as Black, 64 Indigenous, and 1154 Other. GPA was higher in the Other compared to the Indigenous group (p < 0.001). CASPer score was higher in the Other compared to the Black group (p = 0.047). There was no difference between groups for all other application components. A large proportion of Black and Indigenous applicants had incomplete applications. Acceptance rates were similar between all groups. Black applicants declined an admission offer substantially more than expected (31%; p < 0.001). Conclusions: Black and Indigenous applicants who completed their application progressed well through the admissions process. The pool of diverse applicants needs to be increased and support provided for completion of applications. Further study is warranted to understand why qualified applicants decline acceptance.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».